數(shù)據(jù)挖掘與機器學(xué)習(xí)：PMML建模（下）

1　神經(jīng)網(wǎng)絡(luò)模型（NeuralNetwork） 1
1.1　神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)知識 2
1.2　神經(jīng)網(wǎng)絡(luò)模型算法簡介 5
1.3　神經(jīng)網(wǎng)絡(luò)模型元素 9
1.3.1　模型屬性 10
1.3.2　模型子元素 14
1.3.3　評分應(yīng)用過程 28

2　決策樹模型（TreeModel） 29
2.1　決策樹模型基礎(chǔ)知識 30
2.1.1　決策樹模型簡介 30
2.1.2　邏輯謂詞表達(dá)式 31
2.2　決策樹模型算法簡介 33
2.2.1　卡方自動交互檢驗算法（CHAID） 33
2.2.2　迭代二叉樹ID3 42
2.2.3　分類器C4.5和C5.0 47
2.2.4　分類與回歸樹算法CART 53
2.3　決策樹模型元素 54
2.3.1　模型屬性 56
2.3.2　模型子元素 59
2.3.3　評分應(yīng)用過程 68

3　規(guī)則集模型（RuleSetModel） 79
3.1　規(guī)則集模型基礎(chǔ)知識 80
3.2　規(guī)則集模型元素 80
3.2.1　模型屬性 81
3.2.2　模型子元素 81
3.2.3　評分應(yīng)用過程 89

4　序列模型（SequenceModel） 93
4.1　序列模型基礎(chǔ)知識 94
4.2　序列模型算法簡介 97
4.2.1　GSP算法 97
4.2.2　SPADE算法 101
4.2.3　PrefixSpan算法 103
4.3　序列模型元素 104
4.3.1　模型屬性 106
4.3.2　模型子元素 107
4.3.3　評分應(yīng)用過程 118

5　評分卡模型（Scorecard） 119
5.1　評分卡模型基礎(chǔ)知識 120
5.2　評分卡模型算法簡介 121
5.3　評分卡模型元素 131
5.3.1　模型屬性 132
5.3.2　模型子元素 134
5.3.3　評分應(yīng)用過程 143

6　支持向量機模型（SupportVectorMachineModel） 145
6.1　支持向量機模型基礎(chǔ)知識 146
6.2　支持向量機模型算法簡介 148
6.3　支持向量機模型元素 152
6.3.1　模型屬性 154
6.3.2　模型子元素 155
6.3.3　評分應(yīng)用過程 164

7　時間序列模型（TimeSeriesModel） 167
7.1　時間序列模型基礎(chǔ)知識 168
7.2　時間序列模型算法簡介 171
7.2.1　算法概述 172
7.2.2　指數(shù)平滑算法 173
7.3　時間序列模型元素 176
7.3.1　模型屬性 177
7.3.2　模型子元素 178
7.3.3　評分應(yīng)用過程 192

8　聚合模型（MiningModel） 195
8.1　模型聚合基礎(chǔ)知識 196
8.2　挖掘模型MiningModel 197

　附錄 225

　后記 227